Stochastic homogenization for Hamilton-Jacobi-Bellman equations on continuum percolation clusters

Resumen Técnico: Homogeneización Estocástica de Ecuaciones de Hamilton-Jacobi-Bellman en Clústeres de Percolación Continua

Planteamiento del Problema
El artículo aborda la homogeneización estocástica de ecuaciones de Hamilton-Jacobi-Bellman (HJB) aleatorias definidas en el componente conectado sin límite (clúster infinito) de un modelo de percolación continua en $\mathbb{R}^d$ ($d \geq 2$). Específicamente, los autores estudian el comportamiento asintótico cuando $\varepsilon \to 0$ de la solución de viscosidad $u^\varepsilon$ para la ecuación:
$$\partial_t u^\varepsilon = \frac{\varepsilon}{2} \text{div}\left( a\left(\frac{x}{\varepsilon}, \omega\right) \nabla u^\varepsilon \right) + H\left(\frac{x}{\varepsilon}, \nabla u^\varepsilon, \omega\right),$$
planteada en el dominio $(0, T) \times \varepsilon C_\infty(\omega)$, donde $C_\infty(\omega)$ es el clúster infinito que contiene al origen.

El entorno presenta desafíos significativos que se distinguen de los entornos de homogeneización clásica:

1. Degeneración: El coeficiente de difusión $a(x, \omega)$ es elíptico degenerado; su soporte está restringido al cierre del clúster infinito, lo que significa que el operador no es uniformemente elíptico.
2. No Estacionariedad: El análisis se realiza bajo la medida de probabilidad condicional $P_0(\cdot) = P(\cdot \mid 0 \in C_\infty)$. A diferencia de la medida incondicional $P$, $P_0$ no es invariante bajo el grupo de traslación $\{\tau_x\}_{x \in \mathbb{R}^d}$, lo que rompe los supuestos estándar de estacionariedad utilizados en la literatura de homogeneización previa.
3. Correlaciones de Largo Alcance: El modelo no asume dependencia de rango finito (estructura i.i.d.); los modelos de percolación pueden poseer correlaciones de largo alcance.

Se asume que el Hamiltoniano $H$ es convexo y coercivo con respecto a la seminorma inducida por la matriz degenerada $a$, pero no necesariamente uniformemente coercivo con respecto a la norma euclidiana.

Metodología
La estrategia de prueba se inspira en el método de Kosygina-Rezakhanlou-Varadhan [KRV06], desarrollado originalmente para ecuaciones HJB en entornos estacionarios, ergódicos y uniformemente elípticos. Los autores adaptan este marco al entorno no estacionario y degenerado a través de varias innovaciones técnicas clave:

1. Representación de Control Óptimo: La solución $u^\varepsilon$ se representa mediante una fórmula variacional que involucra un problema de control óptimo para difusiones en el clúster de percolación. Los autores utilizan un espacio de probabilidad auxiliar para muestrear controles progresivamente medibles, lo que permite un tratamiento riguroso del "entorno visto desde la partícula".
2. Teorema Eródico para Medidas No Estacionarias: Un paso crucial consiste en establecer un teorema eródico para el proceso del entorno bajo la medida condicional $P_0$. Dado que $P_0$ no es invariante por traslación, los autores emplean "desplazamientos inducidos" $\sigma_e$ definidos por las llegadas sucesivas del clúster a lo largo de los ejes de las coordenadas. Demuestran que estos desplazamientos inducidos preservan $P_0$ y son ergódicos, permitiendo la aplicación del teorema de la ley de los grandes números de Birkhoff para derivar la trayectoria de la difusión.
3. Análisis Variacional y Teoremas de Min-Máx: Los autores derivan una fórmula variacional para el Hamiltoniano efectivo. A diferencia del enfoque de [KRV06], que depende de restringir los problemas variacionales a regiones acotadas para asegurar la compacidad (una técnica incompatible con la no invariancia por traslación de $P_0$), este artículo utiliza:
   • Coercitividad Intrínseca: Aprovechar la coercitividad del Hamiltoniano con respecto a la matriz degenerada $a$ para establecer la compacidad débil de los gradientes en $L^{1+\delta}(P_0)$.
   • Estructura de Entropía Relativa: Introducir un término de entropía relativa sustractiva en el análisis variacional. Este término proporciona la coercitividad necesaria para aplicar un segundo teorema de min-máx, facilitando la extracción de un límite débil $G$.
4. Correctores y Crecimiento Sublineal: Se establece la existencia de un "corrector" $V_G$ (una integral de camino del límite débil $G$). Los autores prueban que $V_G$ exhibe un crecimiento sublineal ($o(|x|)$) casi seguramente con respecto a $P_0$. Este resultado depende fuertemente de las propiedades geométricas específicas de los clústeres de percolación continua (por ejemplo, la caída exponencial de las distancias y las propiedades de recurrencia) en lugar de los argumentos de conteo combinatorio utilizados en entornos discretos.

Contribuciones Clave y Resultados

• Teorema Principal (Teorema 2.1): Los autores prueban que, $P_0$-casi seguramente, la solución $u^\varepsilon$ converge uniformemente en conjuntos compactos a una solución homogeneizada $u_{\text{hom}}$. El límite $u_{\text{hom}}$ resuelve la ecuación efectiva:
  $$\partial_t u_{\text{hom}} = \bar{H}(\nabla u_{\text{hom}}), \quad u_{\text{hom}}(0, x) = f(x),$$
  donde $\bar{H}$ es el Hamiltoniano efectivo.
• Fórmula Variacional para el Hamiltoniano Efectivo: El Hamiltoniano efectivo $\bar{H}(\theta)$ se caracteriza mediante una fórmula variacional:
  $$\bar{H}(\theta) = \inf_{G \in \mathcal{G}_\delta} \left( \text{ess sup}_{P_0} \left[ \frac{1}{2} \text{div}(a(G+\theta)) + H(G+\theta) \right] \right),$$
  donde $\mathcal{G}_\delta$ es una clase de funciones que satisfacen la acotación $L^{1+\delta}$, una propiedad de rotacional nulo en el clúster y una propiedad refinada de "media inducida cero" adaptada a la medida no estacionaria.
• Principio de Grandes Desviaciones (Corolario 2.2): Como aplicación directa, el artículo establece un principio de grandes desviaciones quenched para una difusión degenerada con deriva aleatoria en un clúster de percolación continua. La función de tasa está dada por la transformada de Legendre-Fenchel del Hamiltoniano efectivo.
• Relajación de Supuestos: El trabajo elimina el requisito de elipticidad uniforme dentro del clúster y el supuesto de dependencia de rango finito (i.i.d.), permitiendo modelos con correlaciones de largo alcance.

Significancia y Reivindicaciones
El artículo afirma ser el primer caso en el que se ha estudiado la homogeneización estocástica de ecuaciones HJB en clústeres de percolación. Los autores destacan que las propiedades inherentes de la percolación —específicamente la no invariancia por traslación y la no elipticidad— permean todo el análisis, necesitando nuevas herramientas matemáticas.

La significancia radica en:

1. Puente de Marcos Teóricos: Adaptar con éxito el método de [KRV06], previamente limitado a entornos estacionarios y elípticos, al contexto no estacionario y degenerado de la percolación continua.
2. Manejo de la No Estacionariedad: Desarrollar un marco riguroso para la homogeneización bajo la medida condicional $P_0$, lo cual es esencial para estudiar el comportamiento casi seguro de procesos que parten del origen en medios aleatorios.
3. Caracterización Variacional: Proporcionar una representación variacional del Hamiltoniano efectivo que refleja explícitamente las restricciones geométricas del clúster de percolación (a través de la condición de media inducida cero y el espacio de funciones específico $\mathcal{G}_\delta$).

Los autores mantienen un tono modesto respecto a las aplicaciones, señalando que, si bien el método podría extenderse potencialmente a enfoques subaditivos (como se usó en [So99, AT14]), su principal contribución es el establecimiento de la fórmula variacional y la prueba de la homogeneización en este entorno geomético específico y desafiante, sin asumir elipticidad uniforme o estructuras i.i.d.